（电路与系统专业论文）基于DSP的心音肺音分离系统[电路与系统专业优秀论文].pdf

基于d s p 的心音肺音分离系统 摘要 基于d s p 的心音肺音分离系统 专业：电路与系统 姓名：陈茜茹 导师t 钟清华 胸部听诊是现代医学中诊断心脏系统疾病和呼吸系统疾病的一种重要手段。 但是在肺音听诊过程中，存在心音等干扰导致医生无法及时做出准确的诊断。常 见的电子听诊器部分含有由固定参数滤波器构成的简单心音肺音分离电路，但应 用效果不佳。如何采用有效的方法，从体表采集的心音肺音信号中去除心音等干 扰信号已成为一个热门的研究。 本文深入研究了自适应滤波和小波变换两种心音肺音分离算法，并在m a t l a b 上仿真实验。从两种算法的分析效果看，基于小波变换的心音肺音分离算法性能 略好。本文还对r l s a n c 自适应滤波定位心音进行了改进，与原算法相比，改 进后的算法使心音的定位更加准确。 在研究心音肺音分离算法的基础上设计并实现了基于d s p 的心音肺音分离 系统，并应用小波变换和改进的r l s a n c 算法实现y , b 音与肺音的分离。该系 统具有运算速度快、简单易用、成本低、体积小等优点，对于临床听诊和远程医 疗具有重要意义。 关键词：听诊；肺音；心音；分离；自适应滤波；小波变换；d s p 基于d s p 的心音肺音分离系统 a b s t r a c t t h es y s t e mf o rs e p a r a tln gh e a r ts o u n d s a n dl u n gs o u n d sb a s e do nd s p m a j o r ：c i r c u i t sa n ds y s t e m s n a m e ：c h e nq i a n r u s u p e r v i s o r ：z h o n gq i n g h u a a u s c u l t a t i o no ft h ec h e s ti sa l li m p o r t a n tm e t h o dt od e t e c tc a r d i o v a s c u l a ra n d r e s p i r a t o r yd i s e a s e s h o w e v e r , o n eo ft h em a i np r o b l e m si nl u n gs o u n da n a l y s i si st h e i n t e r f e r e n c eo fh e a r ts o u n d s ，w h i c hi su n a v o i d a b l ed u r i n gl u n gs o u n dr e c o r d i n g s o m e o fc o m m o ne l e c t r o n i cs t e t h o s c o p e si n c l u d eaf i x e dp a r a m e t e rf i l t e rt os e p a r a t eh e a r t s o u n d sf r o mt h es i g n a lb u ta l s oe l i m i n a t et h eo v e r l a p p i n gs p e c t r u mo fl u n gs o u n d s t h i sp a p e rs t u d i e sa d a p t i v ef i l t e r i n ga n dw a v e l e tt r a n s f o r mb a s e df i l t e r i n gf o r s e p a r a t i n g h e a r ts o u n d sa n dl u n gs o u n d s ，a n dd i s c u s s e st h e a d v a n t a g e s a n d d i s a d v a n t a g e so ft h et w om e t h o d sb ys i m u l a t i n gi nm a t l a b ，a n dp u t sf o r w a r dan e w a l g o r i t h mt ol o c a t et h eh e a r ts o u n df o rt h er l s a n ca d a p t i v ef i l t e r i n g t h en e w p r o p o s e da l g o r i t h mc a l ll o c a t et h eh e a r ts o u n d sm o r ea c c u r a t e l y c o n s i d e r i n gt h e q u a l i t a t i v ea s s e s s m e n t ，t h ew a v e l e tt r a n s f o r mb a s e df i l t e r i n gi ss u p e r i o ro v e ra d a p t i v e f i l t e r i n g t h i sp a p e ra l s od e s i g n e das y s t e mf o rs e p a r a t i n gh e a r ts o u n d sa n dl u n gs o u n d s b a s e do nd s p , a n ds u c c e s s f u l l yu s e dt h et w oa l g o r i t h m st os e p a r a t et h eh e a r ts o u n d s a n dl u n gs o u n d s i th a sp r o f o u n d s i g n i f i c a n c e f o rc l i n i c a la u s c u l t a t i o na n d t e l e m e d i c i n e k e yw o r d s ：a u s c u l t a t i o n ；l u n gs o u n d s ；h e a r ts o u n d s ；s e p a r a t i o n ；a d a p t i v ef i l t e r i n g ； w a v e l e tt r a n s f o r m ；d s p i i 华南师范大学学位论文原创性声明 本人郑重声明：所呈交的学位论文，是本人在导师的指导下，独 立进行研究工作所取得的成果。除文中已经注明引用的内容外，本论 文不包含任何其他个人或集体已经发表或撰写过的研究成果。对本文 的研究做出重要贡献的个人和集体，均已在文中以明确的方式标明。 本人完全意识到此声明的法律结果由本人承担。 论文作者签名：倦、当勃 日期：矽弋年p s 月习日 学位论文使用授权声明 本人完全了解华南师范大学有关收集、保留和使用学位论文的规 定，即：研究生在校攻读学位期间论文工作的知识产权单位属华南师 范大学。学校有权保留并向国家主管部门或其指定机构送交论文的电 子版和纸质版，允许学位论文被检索、查阅和借阅。学校可以公布学 位论文的全部或部分内容，可以允许采用影印、缩印、数字化或其他 复制手段保存、汇编学位论文。( 保密的论文在解密后遵守此规定) 保密论：丈注释：本学位论文属于保密范围，在年后解密适用 本授权书。非保密论文注释：本学位论文不属于保密范围，适用本授权 书。 论文作者签名：硒南勃 日期：邓年甜刁日仟产 强胪黧 c ： 扩 名 7 签 孔一lp甘艿 峨 鞋i芒1 基于d s p 的心音肺音分离系统 1 1 课题背景及意义 1 绪论 人体的心、肺、肝、肾、肠、眼球、大脑等器官不停地运动着，并不断地发 出各种各样的声音信号，我们称这些生理声信号为主动生理声信号。此外，当外 界施加于人体某种作用，或当人体的某一部分施加于另一部分某种作用时，会产 生被动的生理声信号，如超声多普勒信号、肌音、关节音、传导语音、叩诊音、 吞水音、耳声发射音等。研究运用新的理论和方法，提取和识别人体各器官的声 学信息并找出规律，为临床提供了新的无创伤性诊断方法，这类研究具有重要的 理论意义及应用价值【l 】。 心音和肺音是人体最重要的两个生理声信号：心音是心脏及心血管系统机械 运动中所产生声音的总称，包含着心脏各个部分本身及相互之间作用的生理和病 理信息；肺音是呼吸系统在换气运动中所产生声音的总称，包含着肺部生理和病 理信息。这两种生理声信号分别是反映心脏和肺部生理和病理特性的重要指标。 自1 8 1 6 年l a 6 n n e c 发明听诊器以来，听诊是临床上诊断心脑血管疾病和呼吸系 统疾病的主要手段之一。传统的听诊器由共振片，声音共振腔，和传导声音的导 管组成，是广大医师最常用的诊断工具。然而它有一些不可弥补的缺点【2 】：难 以捕捉到人体内脏发出的一些微弱却非常重要的生理声音，准确性差：听诊结 果容易受人耳听力敏感局限和听诊者主观经验的影响；胸壁听诊时通常为心音 肺音混合信号，需要听诊者根据主观经验区分心音和肺音。这些缺点最终导致医 生无法及时做出正确的诊断，尤其是无法有效地分离心音和肺音信号，极易造成 误诊，错过了最佳治疗机会。 随着电子技术和信号处理技术的不断发展，结合了现代电子技术与生物医学 技术的电子听诊器研发成功。电子听诊器可以将采集后的信号进行放大等一系列 模拟或数字信号处理，在一定程度上改良了传统的听诊器，但从胸壁检测到的生 理声信号混合了频谱上互相重叠的心音信号和肺音信号，如何将心音肺音混合信 号分离出心音信号和肺音信号是电子听诊器需要解决的重要问题【3 j 。另一方面， 在远程医疗和家庭监护系统中，为了帮助医生得到更好的听诊结果，数字化的电 基于d s p 的心音肺音分离系统 子听诊和计算机辅助分析已经是一个不可避免的趋势【4 】。所以，为了降低人为因 素( 病人误放听诊器的位置或误操作电子听诊器) 以及人为因素对相关分析造成 的影响，有必要将从采集的信号分离成心音和肺音再传送给医院的监护中心。因 此临床迫切需要一种准确性高、简单易用、成本低、体积小的心音肺音分离装置， 以便医生对病人的病变做出更加准确的判断，促进心血管疾病和呼吸系统疾病的 研究和诊治。 1 2 国内外研究现状 近年来，心音和肺音的分析受到了国际医学界的广泛重视，研究表明，采用 计算机等新的科技手段来分析心音肺音信号，与x 射线诊断、肺功能、血气分 析等技术相比，更能早期诊断出心脏系统疾病和呼吸系统疾病【5 】。但由于心音信 号和肺音信号在频域重叠，使得肺音信号无法通过简单的方法予以识别，然而这 部分信号对于早期检测出呼吸系统疾病具有极为重要的意义。目前，心音肺音信 号分离的研究已经成为肺音学研究的一个重要问题。在国外，研究心音肺音的分 离已经发展2 0 多年，主要是采用不同的信号处理算法将心音肺音混合信号中的 心音滤除。在此过程中，需要解决下列问题： ( 1 ) 心音肺音信号检测 心音肺音信号传感器通常要求具有高灵敏度、小型轻量、高精度、高稳定性、 易于使用的特点，特别是要求易与人体皮肤表面接触，受人体表面振动、环境噪 声影响较小。在心音肺音的研究中，人们尝试过各种传感器，常用的有p v d f 压电传感器、电容传声器和加空气耦合腔电容传声器。g a v r i d y 等人采用 h e w l e t t p a c k a r dm o d e l2 1 0 5 0a ( b ) 型加速度计与新型的p v d f 传感器，他们的实 验结果表明：气管音的功率谱类似于窄带白噪声的谱1 6 1 。d r u z g a l s k 等人对多种 传感器进行了比较研究，他们认为：检测肺音最好采用空气耦合腔电容传声裂7 1 。 针对三种传感器的优缺点，采用何种传感器能更好的检测心音肺音信号是实际应 用中要解决的问题之一。 ( 2 ) 心音肺音信号分离 最早研究心音肺音信号分离的方法是将心音肺音信号通过一个线性的高通 滤波器来去除心音信号，高通滤波器的截止频率一般选为5 0 h z - 1 5 0 h z 的任意 2 基于d s p 的心音肺音分离系统 值【6 8 】。然而，由于肺音信号的频率主要在2 5 h z - - 一2 0 0 0 h z ，心音信号的频率主要 在2 0 h z - 3 0 0 h z 。这样采用高通滤波器的方法虽然可以去除心音，但也必然会将 一部分低频段肺音信号也滤除，而这部分肺音信号可能包含一些呼吸系统疾病的 重要信息。 1 9 8 6 年，v k i y e r 等人最先采用自适应滤波的方法去除心音信号。从此以后 的2 0 多年里，一共有十几种方法应用于心音肺音的分离【9 】，主要可以分为线性 的自适应滤波【i o 1 3 1 和时频域滤波【1 4 舶1 两大类，其中，基于线性的自适应滤波有 1 0 种方法，包括l m s ( l e a s tm e a ns q u a r e s ) 滤波、r l s ( r e c u r s i v el e a s ts q u a r e s ) 滤波、r o k ( r e d u c e do r d e rk a l m a n ) 滤波，还有利用线性预测的a r ( a u t o r e g r e s s i v e ) 模型和m a ( m o v i n ga v e r a g e ) 模型等方法。基于时频域滤波 方法的有s t f t ( s h o r t - t i m ef o u r i e rt r a n s f o r m ) 和w t ( w a v e l e tt r a n s f o r m ) 等。 最近也有一些尝试用i c a ( i n d e p e n d e n tc o m p o n e n ta n a l y s i s ) 等技术来解决心音 肺音分离的问题，已取得一些进展【4 , 1 7 】。以上各种算法在不同程度上分离了心音 和肺音，但目前并没有找到最佳的分离算法。 在国内，心音肺音分离的研究才刚刚开始，只有浙江大学和太原理工大学的 一些学者尝试采用盲源分离的方法研究【1 8 1 9 1 ，已取得一些成绩，但也只是停留在 理论阶段，在这方面还需要投入大量的精力与时间去探索。 1 3 本课题主要内容 本课题主要研究了基于自适应滤波和小波变换的心音肺音分离算法，并将两 种算法应用于实际，设计出一种准确性高、能同时听诊心音和肺音、简单易用、 成本低、体积小的心音肺音分离系统，让临床医生在心脏或肺部听诊时能听诊到 较为纯净的心音信号或肺音信号，以便对病人的病变做出更加准确的判断。该系 统的设计与实现涉及的研究内容主要包含以下几个方面： ( 1 ) 心音肺音信号分离算法 本课题主要研究了基于自适应滤波和小波变换的心音肺音分离算法，并对两 种算法进行比较，在硬件平台上分别实现。 基于自适应滤波的心音肺音分离算法主要包含有l m s 、r l s 、卡尔曼等多 种自适应滤波算法。它们的共同特点是都采用自适应对消器结构，理想情况下， 基于d s p 的心音肺音分离系统 当自适应对消器的原始信号输入端为心音肺音混合信号，参考输入端为心音信号 时，输出为肺音信号。但如果参考输入端混入杂音时，会对输出结果产生较大影 响，所以心音信号的定位是算法的关键。本文采用自适应对消器结构r l s 自适 应滤波算法，分别用于定位心音信号和肺音信号，并且提出了i l l s a n c 自适应 滤波定位心音的一种改进算法，与原算法相比，改进后的算法使心音的定位更加 准确。 小波变换是一种优于傅立叶变换、短时傅立叶变换的时频算法，在时频分析、 信噪分离、提取弱信号等方面具有广泛的应用。在对一个时域信号进行小波变换 的过程中，非平稳信号会产生数值比较大的小波系数，而平稳信号的小波系数则 很小，可以利用小波变换的这种性质来分离平稳和非平稳信号。心音肺音混合信 号中肺音信号可以看作是平稳信号，而心音信号则是非平稳信号，根据心音肺音 信号的这种性质，采用基于小波变换的分离算法对心音肺音信号进行分离。算法 首先对心音肺音信号进行小波分解，采用阈值处理将小波域的心音信号和肺音信 号的小波变换系数进行分离，最后对分离出的系数分别进行重构，从而分离出心 音信号和肺音信号。 ( 2 ) 系统硬件平台 心音肺音分离系统采用具有高速运算能力的专用数字信号处理芯片d s p 作 为核心运算部件，主要由信号采集部分、d s p 处理器和存储部分构成。信号采集 部分主要对心音肺音信号进行前期处理，并将采集到的模拟信号转化为数字信 号。d s p 处理器应用心音肺音分离算法对心音肺音信号进行分离、滤波等处理。 存储部分主要是扩展的程序存储和数据存储，由f p g a 、f l a s h 和s d r a m 组 成。另外，d s p 还可通过u s b 接口和p c 进行通信，也可直接和s d c a r d 进行 通信。 4 基于d s p 的心音肺音分离系统 2 心音肺音分离算法分析 本章首先介绍了心音肺音的产生机理和组成，依据心音肺音的性质分别研究 了基于自适应滤波和小波变换两种理论的心音肺音分离算法，并在m a t l a b 上仿 真实验，分析了两种算法的不同及优缺点。 2 1 心音肺音的产生机理和组成 2 1 1 心音的产生机理和组成 心音主要是由心脏的瓣膜和大血管在血流冲击下形成的振动、心脏内血流的 加速与涡流对心脏瓣膜、心房、室壁作用产生的振动和心肌在周期性的心电活动 作用下其刚性的迅速增加和减小形成的振动，经过心胸传导系统到达体表形成。 但是在体表检测心音时，检测信号不但包含有心音信号，同时还常包含心内噪音、 呼吸噪音、体表噪音和心胸系统传播过程中产生的噪音【2 0 ，2 1 1 。 心脏的一次收缩和舒张，称为一个心动周期。心音发生在心动周期的某些特 定时期，其音调和持续时间也有一定的规律。正常心脏有四个心音：即第一、第 二、第三和第四心音，通常称为s 1 、s 2 、s 3 、s 4 。多数情况下只能听到第一心 音和第二心音，第一心音音调低沉，持续时间较长( 约0 1 5 秒) ，第二心音频率 较高，持续时间较短( 约o 0 8 秒) 。第三心音一般发生在第- - , l , 音后0 1 o 2 秒， 频率低，在某些健康儿童和青年人中也可听到第三心音，四十岁以上的健康人也 可能出现第四心音。 第一心音( s 1 ) 发生在心室收缩期，这时心室开始收缩，心室内压迅速升高。 当心室内压超过心房内压时，血液有从心室流向心房的倾向，正好推动房室瓣( 二 尖瓣、三尖瓣) 关闭。此后随着心室肌的强烈收缩导致心室内压急剧升高，并超 过主动脉内血压，动脉瓣打开，心室将血液射入主动脉。从房室瓣关闭开始到动 脉瓣开启稍后的一段时间，在房室瓣突然关闭引起的振动，心室射血引起的大血 管扩张而发生的涡流引起的低频振动，心肌收缩房室瓣关闭、大血管扩张产生的 振动的共同作用形成了第一心音，即s l 。 5 基于d s p 的心音肺音分离系统 在心室收缩末期，心室内的血液大部分已射入动脉血管，心室内压开始下降。 当心室内压低于主动脉和肺动脉内的压力时，主动脉和肺动脉内的血液突然减 速，动脉瓣关闭，心室进入舒张期。随着心室肌的舒张，心室内压以极大的速度 下降低于心房内压，房室瓣打开。血液顺着房一室内压梯度方向进入了心室，称 为快速充盈状态。从动脉瓣关闭到房室瓣开启这一段时间，由动脉瓣关闭引起的 振动，形成了第二心音，即s 2 。 心室收缩时，房室瓣纤维环移向心尖。而在心室快速充盈期间，心室长度明 显延长，心基底线突然上升，和心尖距离增大，但房室瓣和键索不能跟着延长， 于是键索和乳头振动，形成第三心音，即s 3 。 当心房收缩时，血液冲入心室，在房室瓣下面形成涡流，将瓣膜上推。由于 心房收缩也增加了心室容量，引起键索和乳头张紧，将房室瓣拉向或维持在与涡 流作用相反的方向，于是键索和乳头振动产生了第四心音，即s 4 。 心音的各个不同成份具有不同的频率范围，因此，心音的频率分析可以为其 识别提供一些重要的信息。通常心音的频率范围主要在2 0 h z - - 3 0 0 h z 之间。第 一心音音调低，持续时间长，主要集中在2 0 h z - 1 0 0 h z 。第二心音持续时间较短， 频率较高，主要集中在2 5 h z 一 1 5 0 h z 。对于同一个受试者，在同一测试部位，其 第一心音音调较低，而第二心音的音调较高，较清脆，即第一心音频率小于第二 心音频率。但是不同的心音样本其能量在不同频带的分布是不固定的。此外不同 噪声的频带和强度也是不同的，这就加大了心音噪声滤除的复杂性。 2 1 2 肺音的产生机理和组成 肺音也称呼吸音。人在呼气和吸气过程中，空气流经上呼吸道、支气管到肺， 在这一过程中，气压的快速变化及器官固体组织的振动将会产生声能，这种声能 通过各种组织传输到胸壁，形成呼吸音。通常所说的呼吸音信号是肺音音源通过 肺胸系统后以固体振动形式传播至体表检测到的声音信号【2 2 1 。 正常呼吸音可以分为肺泡呼吸音、支气管呼吸音和气管音。 肺泡呼吸音是由于空气在细支气管和肺泡内进出移动的结果。吸气时气流经 支气管进入肺泡，冲击肺泡壁，使肺泡由松弛变为紧张，呼气时肺泡由紧张变为 松弛，这种肺泡弹性的变化和气流的振动是肺泡呼吸音形成的主要因素。叹息样 6 基于d s p 的心音肺音分离系统 或柔和吹风样的“如如”声，在大部分肺野内均可听及。音调相对较低。吸气时音 响较强，音调较高，时相较长；呼气时音响较弱，音调较低，时相较短。乳房下 部和肩胛下部最强，腋窝下部次之，肺尖与近肺下缘区域较弱。正常人肺泡呼吸 音强弱与性别、年龄、肺组织弹性、胸壁厚薄及呼吸深浅有关。男性较女性强， 儿童较老年人强，矮胖者较瘦长体型者为弱。 支气管呼吸音，为吸入的空气在声门，气管或主支气管形成湍流所产生的声 音，颇似抬舌后经口腔呼气时所发出“h a 的声响，该呼吸音强而高调。吸气较呼 气相短。且呼气音较吸气音强而高调，吸气末与呼气始之间有极短暂的间隙。正 常人于喉部，胸骨上窝，背部第6 至7 颈椎及第l 至2 胸椎附近均可听到支气管 呼吸音，且越靠近气管区，其声响越强，音调亦降低。 当肺部机能发生异常时，如肺气肿、气胸、肺部纤维化和肺部胸膜积液等机 能异常时，肺胸系统的声传递特征发生显著变化。异常呼吸音主要分为哮鸣音、 喘鸣音、罗音和嘎音等。肺音源通常由三种噪声序列组成，其中正常呼吸音源是 肺内气流与肺组织相互作用产生的非高斯白噪声，而间歇性脉冲是产生罗音的肺 音源，为一系列爆裂音，持续时间小于5 m s 。最后一种是周期性脉冲，被认为是 由于气流和气管壁的周期性振动产生的，它是产生哮鸣音的肺音源。这三种音源 中的一种、两种甚至三种的叠加，通过由肺组织和胸壁构成的声传输滤波器，形 成了胸部表面可测到的肺音信号，并且还在不同的环节叠加着心音、肌肉与皮肤 噪声等干扰信号。其中，心音信号在低频段和肺音信号混叠，目前，如何能完整 的将心音肺音信号分离开来是肺音学研究的一个重要问题。 2 2 自适应滤波理论基础 自适应滤波吲是近3 0 年以来在维纳滤波，k a l m a n 滤波等线性滤波基础上发 展起来的一种最佳滤波方法。在工程实际中，由于它具有更强的适应性和更优的 滤波性能，应用非常普遍，尤其在信息处理技术中得到更为广泛的应用。 自适应滤波的研究对象是具有不确定的系统或信息过程。“不确定”是指所研 究的处理信息过程及其环境的数学模型不是完全确定的，同时，其中包含一些未 知因数和随机因数。 任何一个实际的信息过程都具有不同程度的不确定性，这些不确定性有时表 基于d s p 的心音肺音分离系统 现在过程内部，有时表现在过程外部。从过程内部来讲，描述研究对象即信息动 态过程的数学模型的结构和参数是事先不知道的。作为外部环境对信息过程的影 响，可以等效地用扰动来表示，这些扰动通常是不可测的。此外一些测量噪音也 是以不同的途径影响信息过程。这些扰动和噪声的统计特性常常是未知的。面对 这些客观存在的各种不确定性，如何综合处理信息过程，并使某一些指定的性能 指标达到最优或近似最优，这就是自适应滤波所要解决的问题。 2 2 1 自适应滤波的基本原理 所谓的自适应滤波，就是利用前一时刻已获得的滤波器参数的结果，自动的 调节当前时刻的滤波器参数，以适应信号和噪声未知的或随时间变化的统计特 性，从而实现最优滤波。自适应滤波器实质上就是一种能调节其自身传输特性以 达到最优的维纳滤波器。自适应滤波器不需要关于输入信号的先验知识，计算量 小，特别适用于实时处理。 自适应滤波器的特性变化是由自适应算法通过调整滤波器系数来实现的。自 适应滤波器由两部分组成，一是滤波器结构，二是调整滤波器系数的自适应算法。 图2 1 是自适应滤波器的一般结构。其中，x 为输入信号，y 为输出信号，d 为参 考信号或期望信号，e 则是期望信号d 与自适应系统真实输出信号y 的差。自适 应系统采用误差信号，使闭合性能反馈环按照某种使误差测度最小化的自适应算 法来调整自适应系统的结构，从而改变其响应特性。 d ( 期待响应) 图2 - 1自适应滤波原理图 其中滤波器的结构采用f i r 或i i r 结构均可，由于i i r 滤波器存在稳定性问 题，因此一般采用f i r 滤波器作为自适应滤波器的结构。根据输入方式的不同， f i r 有两种基本结构形式，即并联多输入或者串联单输入，分别如图2 - 2 和2 3 所示。 8 基于d s p 的心音肺音分离系统 图2 2 多输入自适应滤波器形式 图2 - 3 单输入自适应滤波器形式 多输入和单输入的输入向量形式可以如下标注： 多输入：鼍= t 五t 】r ( 2 一1 ) 单输入：五= k & 一。& 一工r ( 2 2 ) 在多输入情况所有元素取自于第k 个抽样时刻，而在单输入情况，各元素是 按时间顺序取自于时刻k ，k - i ，。 单输入情况下，如图2 3 所示，自适应处理器可以用自适应线性组合器与单 位延迟单元来实现，这种结构称为自适应横向滤波器。自适应横向滤波器是非递 归自适应滤波器的时间形式，在自适应模拟和自适应信号处理领域有广泛的应 用。 由式( 2 1 ) 与式( 2 2 ) 有关输入信号的表示符号，可得图2 2 和图2 3 输 入输出关系如下： 多输入：y k = ( 2 3 ) l = o 单输入：以= 坛& 一， i = 0 9 ( 2 4 ) 基于d s p 的心音肺音分离系统 可定义权向量为： 哌= i i w l l 】r ( 2 5 ) 用此定义，可将式( 2 3 ) 与式( 2 4 ) 用向量表示符号表示成单个的关系式 y k = x ：吼= 哦x 。 具有时间角标k 的误差信号为 s = d t y k 将式( 2 6 ) 代入式( 2 7 ) ，得 = d 一x ：碍，k = d 一w ：x t ( 2 6 ) ( 2 - 7 ) ( 2 - 8 ) 这里，暂时不对权加以调整。为方便起见，对权向量w 不加角标。对式( 2 - 8 ) 进行平方，可得瞬时平方误差 = + 形7 五r。x 。r w ( 2 9 ) 假设& 、反和t 是统计平稳的，对式( 2 9 ) 在k 时刻取期望，得 研】- e 【】+ 形r 研五 w - 2 e d k f 形 ( 2 1 0 ) 任何和的期望值等于期望值之，和，而仅当随机变量不相关时，积的期望值才 是期望值之积。一般来说，信号t 与喀是相关的。 均方误差可以更为方便的表示如下，将r 定义为方阵 r ：e 。t f ，：e l 毒。 而 而 x l l i 也恐i ( 2 1 1 ) 这个矩阵被指定为“输入相关矩阵”。主对角线项是输入分量的均方值，交叉项是 输入分量之间的互相关值。类似地，令p 为列向量 p = e 畋研】_ e d k x o t 噍五i 畋屯i 】r ( 2 1 2 ) 此向量为期待响应与输入分量之间的一组互相关值。当鼍和敏是平稳时，r 和 p 的元素全是固定的二阶统计量。在式( 2 - 1 1 ) 和式( 2 1 2 ) 中用了五的多输入 形式，鼍的在单输情况下以上公式也成立。 l n 基于d s p 的心音肺音分离系统 设式( 2 一l o ) 表示的均方误差为f ，可用式( 2 1 1 ) 与式( 2 1 2 ) 表示如下 m s e 全孝= e 【】= e + 形r r w - 2 p r w ( 2 - 1 3 ) 显然，当输入分量与期待响应输入是平稳随机过程时，均方误差f 是权向量 w 的分量的二次函数。即式( 2 1 3 ) 展开时，w 的元素仅以一次幂或二次幂出 现。它的图形是一个上凹的抛物面或超抛物面的曲线，具有唯一的极小值点。所 以也将( 2 1 3 ) 式叫做二次型误差函数或性能表面。可以用梯度法沿着该曲面调 节权系数矢量的各元素，得到二次误差函数的最小值。 用v ( d 或更简单的就用v 表示均方误差性能表面的梯度，它可由式( 2 - 1 3 ) 对w 求微商来得到，这个列向量为 v 全堕：i 堕堕堕( 2 - 1 4 ) o w 【- 饥o w , o w lj = 2 r w 一2 p( 2 1 5 ) 式中，r 与p 分别由式( 2 1 1 ) 与式( 2 1 2 ) 给出。这个表示式可由式( 2 1 3 ) 的展开式对权向量的每一分量求微商来得到。w 7 r w 的微商可以当成求积 ( w r ) ( 尺) 的微商。 为了求得最小均方误差，令v = 0 ，此时权向量等于其最佳值矿，即 v = 0 = 2 r w - 2 p( 2 1 6 ) 假设r 是非奇异的，则最佳权向量。也称为维纳权向量，可求得为 w = r _ 1 p( 2 1 7 ) 此方程是维纳一霍普夫( w i e n e r - h o p f ) 方程的矩阵形式。将式( 2 1 3 ) 中的w 代 之以式( 2 1 7 ) 的形，则可得最小均方误差： = 研 + 形町r w - 2 p r w + = e t a ； + 尺1 尸】7 r r - 1 p - 2 p r r - 1 p ( 2 - 1 8 ) 采用在性能表面讨论中常用的三个规则来简化上述结果： ( 1 ) 方阵的恒等规则：a a = i 。 基于d s p 的心音肺音分离系统 ( 2 ) 矩阵乘积的转置：( a s ) r = b r a r 。 ( 3 ) 输入相关矩阵的对称性：r r = r ；( r 叫) r = r 。 根据这些规则，式( 2 1 8 ) 可改写为 = e e d ； - e r r q e = e c d ； - e r w ( 2 1 9 ) 由上式可知，只要知道了输入信号的自相关矩阵r 和期望响应与输入信号 的互相关向量p ，就可以直接得出最佳权向量矿+ ，但在实际中这种方法比较难 于实现。因为一方面通常难以获得有关信号和噪声的统计先验知识，另一方面， 当r 的阶数较高时，直接计算r 。1 时计算量大，有一定的困难。因此一般采用迭 代的方法一步一步的在性能表面上搜索，并最终达到最小均方值，找到最佳权向 量。各种不同的自适应滤波算法关键在于怎样能简便地寻找矿，即用什么样的 算法来求得，例如牛顿法、共轭梯度法和最速下降法等常用的自适应滤波算 法为基于梯度下降的迭代算法。根据优化准则的不同，自适应滤波算法可以分为 两类最基本的算法：最小均方误差( l m s ) 算法和递归最小二乘( r l s ) 算法。 基于最小均方误差准则，l m s 算法使滤波器的输出信号与期望输出信号之间的 均方误差研】最小。基于最小二乘准则，r l s 算法决定自适应滤波器的权系数 向量哌使估计误差的加权平方和，( 后) ：圭名hl s ( f ) 1 2 最小。其中名为遗忘因子， 且0 1 ) ( 2 ) 取得q ，五 ( 3 ) 更新增益矢量 p k = x ：c k 0 g k 筹 ( 4 ) 更新滤波器参量 形= 形一。+ q 【皿一群吸一。】 ( 5 ) 更新逆矩阵 c o = 2 - 1 【g 一。一q g 一。】 2 2 3 自适应对消器 自适应噪声对消( a d a p t i v en o i s ec a n c e l l i n g ，a n c ) 方案由w i d r o w 等人提 出，并成功的将它应用于许多场合，例如消除心电图中的工频干扰，消除母亲心 1 7 基于d s p 的心音肺音分离系统 电图对胎儿心电图的干扰，消除声音信号的干扰等等。自1 9 6 5 年美国斯坦福大 学建成第一个自适应噪声对消系统后，3 0 多年来其理论在不断发展，应用在不 断扩大，目前己成为自适应信号处理的重要分支之。 基本的噪声对消情况如图2 4 。信号沿信道传到接收到该信号的传感器，除 收到信号外，传感器还收到一个不相关的噪声。组合信号和噪声s + n o ，组成 对消器的“原始输入。第二个传感器用来接收与信号不相关的、但以某种未知 的方式与噪声相关的噪声，这个传感器给对消器提供“参考输入”。将噪声啊 通过自适应滤波调整后输出，使其产 n o 的最佳估计h o ，y = 五。将该输出从原 始输入s + 刀。中减去，就产生系统的输出8 + n o y ，即为有用信号s 的估计；。 信号源 噪声源 图2 _ 4自适应噪声对消器( a n c ) 原理 在图2 - 4 的系统中，采用一个自适应滤波器来处理参考输入信号。该信号滤 波器通过一种特别受与其输出有关的误差信号所控制的最小均方算法，比如r l s 算法，自动地调节自身的冲击响应。所以，采用恰当的算法，滤波器可以在传输 通道变化的条件下进行工作，并可以不断地调节自身，使误差信号最小。 2 3 基于自适应滤波理论的心音肺音分离算法 目前，基于自适应滤波的心音肺音分离算法主要是采用自适应对消结构，应 用各种不同的自适应滤波算法滤除心音肺音混合信号中的心音信号，从而得到肺 音信号。常用的自适应滤波算法包括l m s 、r l s 、卡尔曼等。 如图2 - 4 所示，自适应对消器需要两个输入信号，分别为原始输入信号和参 考输入信号。原始输入信号是从人体胸壁采集的心音肺音混合信号，可表示为 x ( n ) = 6 ( ，1 ) + ，l ( ，1 ) ，其中，b ( n ) 为心音肺音中的肺音成份，m ( n ) 为心音成份。参 1 8 基于d s p 的心音肺音分离系统 考输入信号为心音信号的估计，记为r ( n ) 。自适应对消器的系统输出即为肺音信 号的估计6 ( 以) 。 此方法的特点是参考输入信号必须与原始输入中的一种信号高度相关，而与 另一种信号基本不相关，即心音估计r ( n ) 要和原始输入信号中的心音成份m ( n ) 高度相关，而与肺音成份b ( n ) 不相关，所以选择合适的参考输入信号非常关键。 v k i y e r 等人【1 0 1 采用处理后的e c g 信号为参考输入信号，但e c g 信号为心电信 号，并不是声音信号，所以这种方法并不适合。另有研究学者将原始心音肺音信 号经过带通滤波器得到参考输入信号，但仅仅通过带通滤波器的信号仍然包含很 多肺音成份，导致自适应对消器无法得到理想的结果。 本文采用自适应对消结构应用r l s 算法( r l s a n c ) 分别用于定位心音信 号和滤除心音得到肺音信号。r l s a n c 心音肺音分离算法【l l 】首先由加拿大 m a n i t o b a 大学的研究学者提出，但在实际使用中发现该算法在定位心音过程中存 在一定的不足，定位效果不佳，本文在此基础上做了一些改进，取得了较好的效 果。 2 3 1 算法原理 r l s a n c 心音肺音分离算法首先定位心音信号，然后在原始信号中滤除心 音得到肺音信号。算法采用如图2 4 的自适应对消结构在心音肺音混合信号中定 位得到心音段，将信号通过2 0 h z 一- 3 0 0 h z 的带通滤波器构建出心音信号；再次 r l s a n c 算法，参考输入信号为构建的心音信号，原始输入信号为心音肺音混 合信号，系统输出即为肺音信号。原始信号由人体右胸第二肋骨和第三根肋骨中 的空隙采集得到，采样率为1 0 2 4 0 h z ，记为z 仍) 。算法过程如下所示： ( 1 ) 定位心音：在心音肺音混合信号上定位心音段的起始点和结束点。原 始输入信号x ( ，1 ) 为心音肺音混合信号，参考输入信号由原始输入信号延时l o o m s 得到，即，) = x ( n 一1 0 2 4 ) ，阶数m = 2 ，遗忘因子2 = 1 。 ( 2 ) 构建心音信号。心音肺音混合信号上位于心音段位置上的信号通过 2 0 h z , - 一3 0 0 h z 的带通滤波器，将得出的信号作为心音信号，心音段之间采样点置 1 9 基于d s p 的心音肺音分离系统 0 。 ( 3 ) 滤除心音信号。原始输入信号x ( n ) 为心音肺音混合信号，参考输入信 号r ( n ) 为构建的心音信号，系统输出p ( 以) 即为肺音信号。阶数m = 2 ，遗忘因子 五= 1 。 r l s a n c 心音肺音分离算法流程如图2 5 所示： 定位心音：r l s - a n c 原始输入x ( n ) = 心肺音混信号 参考输a r ( n ) = x ( n - 1 0 2 4 ) 构建心音信号：心音段通过 2 0 h z 3 0 0 h z 的带通滤波器 心音段之问采样点置0 滤除心首：r l s a n c 原始输入x ( n ) = 心肺音混信号 参考输入r ( n ) _ 构建心音信号 输出e ( n ) 为肺音信号 图2 - 5r l s - a n c 心音肺音分离算法流程图 心音和肺音信号相比，肺音信号可以认为是一个比较平坦的稳定信号，而心 音信号则可以认为是短时间内的一个突变。r l s a n c 心音肺音分离算法采用滤 波器阶数m = 2 ，遗忘因子名= 1 是为了能够跟踪所有输入信号的统计变化量。当 原始输入信号发生突变时，自适应滤波器的权向量也会发生突变，算法根据这一 原理检测自适应滤波器的权值变化量便能定位出突变的信号位置，l i p , b 音的位 置。选择参考输入信号为原始输入信号的l o o m s 延迟，有几点原因：第一，观 测原始信号，心音的峰值可在l o o m s 内发生；第二，第一心音和第二心音相隔 的时间远大于l o o m s ，所以原始输入信号和参考输入信号并不相关，采用 r l s a n c 滤波能够理想的定位心音。 定位心音的过程主要分为两步：第一，找出初始边界点；第二，确定最终边 界点。因为只包含少数采样信号的心音段并不能提供有效信息，所以记1 0 2 4 个 采样点为最小分段长度l n 血，将相邻两个初始边界点之间的距离与k 做比较， 确定最终的心音边界点。定位心音的算法过程如下所示： ( 1 ) 初始化r l s 滤波器。原始输入信号为z 伽) ，参考输入信号由原始输入 基于d s p 的心音肺音分离系统 信号延时l o o m s 得到，在1 0 2 4 0 h z 的采样率下，即r ( n ) = x ( n - 1 0 2 4 ) 。自适应滤 波器的阶数m = 2 ；遗忘因子旯= l ；初始权向量w ( o ) 为m x l 阶零向量。 ( 2 ) 计算相邻两个权向量之间的距离，s ( n ) = 0 w ( 疗) 一w ( 刀一1 ) 1 2 。其中，w ( 以) 为n 时刻滤波器的权向量。 ( 3 ) 分段计算阈值。每隔2 5 0 0 个采样点以s ( n ) 标准差的3 倍为阈值。 ( 4 ) 界定初始边界点。将s ( 刀) 的各个元素和阈值相比较，若大于阈值，则 存储n 值为初始边界点。初始边界点p s b = 口o ，口l 一，口。】，口。= o 。 ( 5 ) 确定最终边界点。将p s b 相邻两个向量之间的长度和最小分段长度 l 劬相比较：如果q - a i 一。k ，i = l ，2 ，p ，则存储口f 为心音段的结束点，a i 一。为 心音段的起始点。如果q q 一。 t h ，a l = ， p s b = a o ，口l ，一，a p 】 确定最终边界点 i f 口，一口，一l l m i n i = 1 ，2 ，p 则保留a ，a 。 2 - 6 定位心音算法流程图 心音肺音信号在人体右胸第二肋骨和第三根肋骨中的空隙处采集得到，采样 2 l 基f d s p 的心音肺音分离系统 率为1 0 2 4 0 h z 。要求测试者均匀呼吸，测试环境安静无声。 r l $ - a n c 心音肺音分离算法在m a t l a b 上仿真实现的结果如图2 7 所示，图 ( a ) 为通过r l s a n c 后构建的心音信号，图( b ) 为通过r l s a n c 分离后的 肺音信号。 ( a ) 通过r l s a n c 算法构建的心音信号 ( b ) 通过i l l s a n c 算法滤波后的肺音信号 田2 7r l s - a n c 心音肺音分离算法在m a t l a b 上仿真结果 2 2 基于d s p 的心音肺音分离系统 目前，国际上并没有标准的心音肺音定量分析方法。有研究【3 】得出在e c g 信号r r 峰之间最后3 0 时段内对应的原始信号中没有心音成份，依据这个原 理，一种定量分析方法【l l 】为：在胸壁上采集信号的同时采集e c g 信号，以r r 峰之间最后3 0 时段内对应的原始信号功率谱密度( p s d ) 作为肺音信号的标准 p s d ，将原始信号、经算法分离出的肺音信号、心音信号的p s d 和标准的p s d 做对比，若经算法分离后的肺音信号p s d 越接近标准p s d ，则分离越成功。但 由于心音和肺音都没有标准信号，此方法的准确性还有待研究。 由于目前实验室没有专业检测e c g 信号的设备，所以本论文没有对算法的 效果进行定量分析，只对算法进行定性分析。通过观测原始信号和分离后信号的 波形，听取信号声